/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC0 1.0
Архитектура
bert · dense
Опубликована
19 дек 2023

BC5CDR_BlueBERT_NER

Разметка токеновТекст → label3 профессии

Англоязычная BERT-модель для извлечения упоминаний химических веществ и заболеваний из биомедицинских текстов.

50скачиваний за 30 дней0лайковвеса обновлены19 дек 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BC5CDR_BlueBERT_NER — англоязычная модель для распознавания именованных сущностей в биомедицинских текстах. Она разработана на основе bionlp/bluebert_pubmed_mimic_uncased_L-12_H-768_A-12 и дообучена для классификации токенов с метками Chemical и Disease. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает контекст длиной до 512 токенов.

Модель подходит для извлечения названий химических веществ и заболеваний из научных публикаций и других биомедицинских текстов. На оценочном наборе в карточке указаны F1 0,87 для Chemical и 0,83 для Disease. Доступна по лицензии CC0-1.0. README не описывает состав обучающих данных и дополнительные сценарии применения.

Сценарии применения

  • извлечение названий лекарственных веществ из научных статей
  • поиск упоминаний заболеваний в биомедицинских публикациях
  • разметка токенов Chemical и Disease в медицинских текстах

Ограничения

Модель ориентирована на метки Chemical и Disease и англоязычные биомедицинские тексты; качество на других языках, жанрах и типах сущностей не подтверждено. README не содержит подробностей о тренировочных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BC5CDR_BlueBERT_NER

This model is a fine-tuned version of bionlp/bluebert_pubmed_mimic_uncased_L-12_H-768_A-12 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0944

  • Seqeval classification report: precision recall f1-score support

    Chemical 0.84 0.89 0.87 7079 Disease 0.82 0.85 0.83 4968

    micro avg 0.83 0.87 0.85 12047 macro avg 0.83 0.87 0.85 12047 weighted avg 0.83 0.87 0.85 12047

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossSeqeval classification report
No log1.01430.1111precision recall f1-score support
Chemical       0.82      0.86      0.84      7079
 Disease       0.76      0.83      0.80      4968

micro avg 0.79 0.85 0.82 12047 macro avg 0.79 0.85 0.82 12047 weighted avg 0.79 0.85 0.82 12047 | | No log | 2.0 | 286 | 0.0987 | precision recall f1-score support

Chemical       0.83      0.89      0.86      7079
 Disease       0.78      0.86      0.82      4968

micro avg 0.81 0.88 0.84 12047 macro avg 0.80 0.87 0.84 12047 weighted avg 0.81 0.88 0.84 12047 | | No log | 3.0 | 429 | 0.0944 | precision recall f1-score support

Chemical       0.84      0.89      0.87      7079
 Disease       0.82      0.85      0.83      4968

micro avg 0.83 0.87 0.85 12047 macro avg 0.83 0.87 0.85 12047 weighted avg 0.83 0.87 0.85 12047 |

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
9f1c395

0 моделей